Planification de trajectoire hybride 3D pour une couverture optimisée des champs agricoles : Une nouvelle approche pour les robots à roues

Cet article présente une nouvelle approche hybride (H-CCPP) pour l'optimisation de la planification des trajectoires de couverture pour les robots agricoles. Contrairement aux méthodes précédentes, H-CCPP améliore la vitesse de traitement, explore diverses directions de conduite et intègre des modèles de saut de ligne pour les champs simples et complexes. Il détermine automatiquement les points d'entrée et de sortie et a été rigoureusement évalué sur un ensemble de données de 30 champs français, montrant une performance supérieure dans la minimisation des coûts de pente tout en maintenant l'efficacité dans d'autres mesures clés. Les recherches futures se concentreront sur l'amélioration de la couverture des tournières, l'intégration d'expériences réelles, la gestion des obstacles et l'optimisation de la coordination multirobot.

Au cours des dernières décennies, l'industrie agricole a réalisé des avancées significatives dans le domaine des systèmes autonomes, tels que les robots à roues, avec pour objectif principal d'améliorer l'efficacité tout en réduisant l'impact sur l'environnement. Dans ce contexte, il est essentiel de déterminer une trajectoire pour le robot qui optimise la couverture tout en tenant compte de la topographie, des caractéristiques du robot et des exigences opérationnelles. Dans cet article, nous présentons H-CCPP, une nouvelle méthode hybride qui combine les avantages d'une couverture complète de notre approche précédente O-CCPP avec l'efficacité de calcul de l'algorithme Fields2Cover. Outre l'optimisation de la zone de couverture, des chevauchements et du temps de trajet global, cette méthode améliore considérablement le processus de calcul et accroît la flexibilité de la génération de trajectoires. H-CCPP prend également en compte l'inclinaison du terrain pour lutter contre l'érosion des sols et la consommation d'énergie. Afin de soutenir cette approche innovante, nous avons également créé et mis à disposition un ensemble de données publiques comprenant des représentations 2D et 3D de 30 champs agricoles. Cette ressource nous permet non seulement d'illustrer l'efficacité de notre approche, mais fournit également des données inestimables pour les recherches futures sur la planification des chemins de couverture complète (CCPP) pour l'agriculture moderne.